Seit der Mitte des 18. Jahrhunderts ist die industrielle Fertigung in stetigem Wandel. Mit der Entwicklung dampfgetriebener Arbeits- und Kraftmaschinen um 1750 wurde die erste industrielle Revolution eingeleitet. Zum Ende des 19. Jahrhunderts ermöglichten die Einführung arbeitsteiliger Massenproduktion und wissenschaftlicher Betriebsführung das erste Transportband in der fleischverarbeitenden Industrie. Knapp einhundert Jahre nach dieser zweiten Revolution, wurden 1969 erste speicherprogrammierbare Steuerungen (SPS) zur variantenreichen Serienproduktion eingesetzt. Informations- und Kommunikationstechnologie sind seither der Grundstein automatisierungsgetriebener Rationalisierungen. Im Jahr 2011 wurde ausgehend von Lean Production der Begriff Industrie 4.0 geprägt, der die vierte Industrielle Revolution beschreibt [1]. Sie zeichnet sich durch neue Ansätze wie das Internet of Things (IoT) und cyber-physische Systeme (CPS) im Kontext industrieller Produktion aus [2].
Vor der vierten Revolution war klassische Produktionssteuerung zentralisiert und Steuerungstechnik monolithisch strukturiert. Zukünftig wird die Fertigung in cyber-physische Systeme von Systemen zerlegt und mit offenen Standards dezentral betrieben [3]. Moderne Produktionseinrichtungen beherbergen jedoch Maschinen jeden Alters, die zu einem gemeinsamen System verwachsen müssen. Die Technologie zur numerische Kontrolle von Werkzeugmaschinen existiert bereits seit den frühen 1950er Jahren. Gerade diese älteren Anlagen besitzen häufig keine Möglichkeit der Integration in die IT-Systeme einer künftigen Fertigungsstrecke [4]. Das schlichte Ersetzen dieser Altmaschinen ist aufgrund hoher Kosten meist keine Lösung [5]. Jedoch behindern diese vorrangig die nahtlose Machine-To-Machine (M2M) Kommunikation durch fehlende Infrastrukturanbindung, womit die Kette von Bearbeitungsschritten für ein Produkt zahlreiche manuelle Eingriffe erfordert.
Vor einigen Jahren wurden bis zu 60% der Arbeitszeit eines Werkers auf die Übertragung des Entwurfs eines Fertigungsschrittes in die Umsetzung an der Maschine verwendet [6]. So besitzt eine Altmaschine als Teil des Fertigungsprozesses keine Möglichkeit externer Kommunikation und kein Application Programming Interface (API) [7]. Bei jüngeren Konstruktionen treten Integrationsschwierigkeiten an anderer Stelle auf. So sind selbst bei bestehender Netzwerkfähigkeit geschlossene Soft- und Hardwarearchitekturen und fehlende Schnittstellen verantwortlich für eingeschränkte Überwachung und Steuerung, respektive für die Verhinderung von ökonomisch sinnvoller Automatisierung [7, 8]. Weiterhin erschweren die unzureichende Umsetzung von Industriestandards und -normen die Integration der Maschinen [4, 9].
Technische Komponenten, wie eine Netzwerkanbindung, sind nicht die einzigen Barrieren moderner Produktionsautomatisierung. Fehlerbehaftete Kommunikationsmechanismen, sowie die Gefahr der Veräußerung betriebsinterner Daten, sind Probleme die heute gelöst werden können. Auch erfordern sinkende Losgrößen und steigende Produktvariabilität eine flexible Automatisierung von Echtzeitüberwachung und -kontrolle verteilter, rekonfigurierbarer Fertigungssysteme [4, 10].
Produktionseinrichtungen basierten bisher auf dem manuellen Sammeln und Verteilen von Daten für Überwachung, Steuerung und Wartung der Maschinen. Doch gegenüber hohen Kosten, menschlichen Fehlern, dem teilweise schlechten Zugang zur Anlage und Aspekten der Datensicherheit, sind Automatisierungslösungen heute günstig, sicher und attraktiv für die Fertigungsindustrie [7].
Nach der Motivation und der damit einhergehenden Identifikation des Kernproblems, werden nun die Ziele dieser Arbeit beschrieben. Den Schwierigkeiten in der industriellen Praxis wird wie folgt begegnet:
Im Kontext dieser Arbeit gilt eine Anlage als integriert, wenn die infrastrukturelle Einbettung in ein cyber-physisches Gesamtsystem den Anforderungen (vgl. Kapitel 3) genügt. Neben den praktisch orientierten Vorgaben wird die Forschung zur Anlagenmodernisierung für die Industrie 4.0 durch weitere Ziele unterstützt:
Die Hierarchisierung von Kontrolle und Überwachung bezieht sich auf das Beispiel der flexiblen Fertigungszelle in denen ein Verbund von Maschinen eine gemeinsame Aufgabe bearbeitet (vgl. [11]). Innerhalb eines solchen Verbunds wird zunehmend über Ethernet Kommuniziert, wodurch eine Basis für die TCP/IP Protokollfamilie zur Verfügung steht.
Aktuell sind nach einer Studie der Fachhochschule Südwestfalen 86% der SPS-Systeme über Ethernet angebunden, wobei von den verbleibenden 14% der Befragten 6% angaben, Ethernet wahrscheinlich in Zukunft einzusetzen.[12]1
Um nun die Ziele im Rahmen dieser Arbeit effektiv erreichen zu können, unterliegen Konzept und Implementierung verschiedenen Einschränkungen und Voraussetzungen.
Somit ist das vorgestellte Konzept der Anlagenmodernisierung auf diskrete Fertigung mit bestehender Netzwerkinfrastruktur beschränkt. Unter Berücksichtigung der besprochenen Ziele und Einschränkungen, wird eine konzeptuelle und prototypische Lösung durch die folgenden Schritte erreicht.
Nach Klärung der Ziele, Beschränkung des Konzepts und dem Aufzeigen eines groben Lösungswegs werden in dieser Arbeit folgende Fragen zu beantworten sein.
Welchen softwaretechnologischen Konzepten muss die Modernisierung und der infrastrukturelle Kontext einer Altmaschine unterliegen, um eine ganzheitliche Integration in cyber-physische Produktionssysteme (CPPS) gewährleisten zu können?
- Welche System- und Softwarearchitektur ist für ein flexibles Retrofitting zur Steuerung und Überwachung veralteter CNC-Maschinen im Kontext von CPPS geeignet?
- Wie und wo werden Informationen zu Maschinenzustand und
-operation erfasst, verarbeitet, persistiert und Fremdsystemen zur Verfügung gestellt?- Welche standardisierten Protokolle und Datenstrukturen eignen sich für M2M-Kommunikation in einem CPPS?
Angelehnt an die Design Science Research Methodology (DSRM) wurden bisher grundlegende Probleme identifiziert und die Arbeit motiviert [14]. Durch die folgenden Grundlagen (Kapitel 2) werden essentielle Technologien und Konzepte beschrieben. Die sich anschließenden Anforderungen (Kapitel 3) spezifizieren die Zielvorgaben der darauf entwickelten Lösungskonzepte (Kapitel 4) für die Abstraktion von Maschinen in cyber-physischen Produktionssystemen. Durch die prototypische Implementation (Kapitel 5) des Frameworks und das virtuelle Maschinenabbild wird die prinzipielle Durchführbarkeit des Vorhabens belegt. Die Evaluation (Kapitel 6) hat eine qualitative und quantitative Bewertung von Konzept und Implementation des Prototyps zum Ziel. Schlussendlich werden in der Zusammenfassung ein Fazit und Ausblick (Kapitel 7) auf weitere Forschung gegeben.
Beispiel einer klassischen Automatisierungspyramide2
Die Anbindung der SPS an die Maschine bzw. Anlage erfolgt mit Sensoren und Aktoren. Hinzu kommen Statusanzeigen. Die Sensoren sind an die Eingänge der SPS geschaltet und vermitteln der SPS das Geschehen in der Maschine oder Anlage. (Wikipedia)
Im Grunde sind SPS aktiv handelnde Abstraktionen von Zusammenschlüssen zwischen Sensoren und Aktuatoren.
Alternativen
Zusammenfassung von [17]
Die Bussysteme werden in modernen Anlagen von Netzwerken (Profi-Net) abgelöst oder durch diese ergänzt. Gegenüber Bussystemen sind Netzwerke (Ethernet) flexibler und schneller. (Wikipedia SPS)
Grundstruktur flexibler Automation [18]
G-code is considered a dumb
language as it only documents instructional and procedural data, leaving most of the design information behind. G-code programs are also hardware dependent, denying modern CNC machine tools desired interoperability and portability [19].
Hersteller von Software für Supervisory Control and Data Aquisiton (SCADA) verwalten eine große Anzahl an Kommunikationstreibern für unterschiedliche Automations- und Informationssysteme. Außerdem erschweren verschiedene Kommunikationsprotokolle und Nachrichtenformate die Integration zusätzlicher Systeme [20].
Industrie 4.0 ???
Der Austausch und die Modellierung von Daten kann in einem heterogenen Technologieraum nur durch standardisierte Beschreibungssprachen, Kommunikationsprotokolle und Modelle erreicht werden. Diese Aussage wird im Zusammenhang mit Industrie 4.0 durch eine Tendenzbefragung von BITKOM, VDMA und ZVEI aus dem Jahr 2013 gestützt. So sehen Mitarbeiter aus 278 Unternehmen, des Maschinen- und Anlagenbaus, Standardisierung als größte Herausforderung für die Umsetzung von Industrie 4.0 [21].
Die OPC Foundation ist ein Industriekonsortium, das für Entwicklung und Wartung solcher Standards verantwortlich ist. Sie schuf Interoperabilitätsstandards für den sicheren und zuverlässigen Austausch von Daten im Automationsraum industriell produzierender Unternehmen auf Basis des Distributed Component Object Model (DCOM). Dieses ist ein von Microsoft definiertes System für entfernte Methodenaufrufe (Remote Procedure Calls) innerhalb eines Windows-Ökosystems, das für die heutigen heterogenen Informationssysteme ungeeignet ist. Neben der Plattformunabhängigkeit ist die Zusicherung des nahtlosen Übergangs von Informationen, zwischen Geräten unterschiedlicher Hersteller, die Hauptaufgabe querschnittlicher Spezifikationen im Kontext der OPC Unified Architecture (OPC UA)3. Das Konsortium berücksichtigte bei der Spezifikation folgende Ziele [22].
Konkret bietet die OPC UA (auch IEC 62541) einen semantischen Kommunikations- und Datenmodellierungsstandard für den Informationsaustausch [20]. Ein erweiterbares Meta-Modell spezifiziert die Grundbausteine und Regeln für ein Informationsmodell und beinhaltet verschiedene Einstiegsknoten und Basis-Typen [22]. Informationsmodelle sind Repräsentationen von Konzepten, Relationen, Beschränkungen, Regeln und Operationen zur Spezifikation der Bedeutung (Semantik) von Daten innerhalb einer bestimmten Domäne [23]. Diese werden von Maschinen, Baugruppen und anderen Ressourcen im Adressraum angeboten, wodurch jede Entität innerhalb eines IT-Ökosystems mit der jeweilig anderen kommunizieren kann und deren strukturelle Eigenschaften kennt.
Figure 1: OPC UA Übersicht4
In Abbildung 1 ist die dafür notwendige Informationsstruktur dargestellt [22]. Auf der untersten Ebene werden Transportprotokolle, das Meta-Modell und grundlegende Services beschrieben. Das bevorzugte Protokoll setzt auf TCP/IP auf und erlaubt einen performanten Austausch von beispielsweise Geräte-, Sensor-, Maschinen- und Prozessdaten innerhalb einer Client-/Server-Architektur. Eine für die Kommunikation über Firewalls taugliche Methode bietet die im Standard verankerte HTTP/XML-Schnittstelle. Durch einen Discovery-Mechanismus können Funktionen und Eigenschaften von OPC-UA-fähigen Teilnehmern in einem Subnetz bekannt gegeben werden. Doch auch Dienste für Ereignisregistrierung oder Sitzungsmanagement sind Teil der elementaren Definitionen. Eckpfeiler dieser Basis von OPC UA sind Fehlertoleranz und Sicherheit als zentrale Aspekte der Spezifikation. Auf Details zur Sicherheitsinfrastruktur wird in dieser Arbeit nicht eingegangen. Darauf aufbauend werden generische Informationsmodelle definiert, die unter anderem den Adressraum eines Servers repräsentieren [22]:
Viele bereits existierende Modelle, wie MTConnect, PLCopen, FDI und ISA95, unterscheiden sich von OPC UA durch fehlende Erweiterbarkeit. Semantische Zusammenhänge lassen sich oft nicht ohne weiteres darstellen [9].
Temperatursensoroder eine
Ventilsteuerungzu erkennen?
Erweiterungen des Modells von OPC UA (vgl. Abbildung 1) ermöglichen Companion Specifications, die diesen Mangel ausgleichen und außerdem domänenspezifische Definitionen erlauben.
OPC UA impl.-Stacks! (API/Proxy/Stubs)
Die Verbindung von Überwachung und Kontrolle technischer Systeme mündet in Paradigmen, die Realität und virtuelle Umgebungen miteinander verschmelzen lassen. So wurde das Konzept cyber-physischer Systeme (CPS) 2006 durch Edward A. Lee erstmalig erläutert. Er versteht diese als Integration von Informationsverarbeitung und physischen Prozessen. Virtuelle und physische Abläufe werden durch Sensoren und Aktuatoren überwacht, beziehungsweise beeinflusst, stehen in unmittelbarer Wechselwirkung und sind durch Kontrollschleifen rückgekoppelt [24]. Der historische Weg, hin zu darauf aufsetzenden Systemen, ist in Abbildung 2 dargestellt5.
Figure 2: Der historische Weg zu CPSoS
Im konventionellen Computing (Abbildung 2a) sind Systeme der physischen Welt durch abstrakte Modelle repräsentiert. Berechnungen bezüglich der Realität werden in Simulationen auf diesen Modellen durchgeführt. Durch eingebettete Systeme (ES, Abbildung 2b) wird der Computer in das Realweltobjekt integriert, wodurch Berechnungen in die physikalischen Systeme getragen werden. Mit CPS (Abbildung 2c) existiert nicht nur ein passives Modell des Realweltsystems. Das Wissen um den Zustand des Realitätsausschnitts verhilft zur Steuerung der ES, wodurch neben dem realen Objekt ein synchrones, virtuelles Modellobjekt entsteht. Diese Konzept dualer Realität von Objekten steht für die Kontrolle von Dingen der physischen Welt. Um die Synchronität des Modells gewährleisten zu können, müssen Rückkopplungsschleifen die Effekte physischer Prozesse auf Berechnungen und Simulationen beziehungsweise vice versa verifizieren [25]. Weiterhin sollen derlei Systeme autonom auf Diskrepanzen reagieren und korrigierende Maßnahmen einleiten. In Systemen von CPS (CPSoS, Abbildung 2d) wird die physische Welt in Realweltsysteme gegliedert, die über ihre Modelle interagieren. CPSoS bieten Potential für die vierte industrielle Revolution und sind Grundlage cyber-physischer Produktionssysteme (CPPS).
Produkte, Maschinen und andere Ressourcen werden in diesen durch CPS repräsentiert, welche Informationen und Dienste über das Netzwerk der gesamten Produktionsstrecke teilen. CPS sind fundamentale Elemente eines CPPS, die unmittelbaren Zugriff auf relevante Informationen, Maschinenparameter, Produktionsprozesse und deren Produkte besitzen. Durch die Dezentralisierung der Produktionslogik haben CPPS, im Gegensatz zu traditionellen Produktionssystemen, wesentliche Vorteile bezüglich Transparenz, Adaptivität, Ressourceneffizienz und Flexibilität. Auf Ebene der Automation werden Informationen eines CPS-Netzwerk benötigt, um den Fertigungsprozess auf Basis von strategischen Entscheidungen erfolgreich durchzuführen. Für Entscheidungsfindung und Kontrolle der Fertigung werden konsistente, kohärente Informationen über die reale Welt benötigt [26].
Figure 3: Auflösung der Automatisierungspyramide aus [27]
Diese Informationen, Dienste und Funktionen werden an jener Stelle lokalisiert, die im Sinne einer flexiblen Entwicklung und Produktion den größten Vorteil bringt [27]. Starre Strukturen, wie die der klassischen Automatisierungspyramide, sind ungeeignet für die dezentrale Verortung der genannten Ressourcen. Die demnach notwendige Auflösung dieser Architektur zu einem vernetzten System von Systemen, beziehungsweise CPSoS, wir in Abbildung 3 verdeutlicht. Sowohl Hard- und Software als auch die Verarbeitung der anfallenden Daten wird nicht länger in Schichten organisiert werden ???. Damit sollen die Produktionsressourcen auf Knoten eines Netzwerks aufgeteilt und schrittweise auf ihre funktionale Struktur abstrahiert werden [27]. Bis eine geeignete Architektur für CPPS andere Möglichkeiten bietet (vgl. [28, 29]), werden Echtzeit-Steuerungen in der Feldebene verbleiben [27].
Bonomi 2012 [30]
Aazam 2016 [31]
Im WAN problematisch [32] => OPC4Factory
Für die in Abschnitt 1.2 aufgestellten Ziele, werden in diesem Kapitel die spezifischen Kriterien zu deren Erfüllung erläutert.
Informationssysteme in der Produktion dienen der Verbesserung der Wettbewerbsfähigkeit und müssen Innovations- und Zeitdruck standhalten. Moderne Produktionsumgebungen helfen Arbeitsabläufe zu optimieren und vereinfachen Beteiligten die Ausführung ihrer Arbeit. Jedoch verhindern Altmaschinen aufgrund fehlender Infrastrukturanbindung und geschlossener Architekturen (vgl. [7]) die Vollautomatisierung dieser Arbeitsabläufe und erfordern die physische Anwesenheit einer Fachkraft [4].
Im Wartungs- und Störfall muss der Zustand der Anlage bekannt sein. Dieser kann bei nicht integrierten Altmaschinen nur am Terminal eingesehen werden. Ein Techniker muss die Betriebs- und Prozessdaten vor Ort erfassen um eine Diagnose stellen zu können und unter anderem das ERP-System darüber zu informieren. Weiterhin kann eine cyber-physikalische Rückkopplungsschleife nicht autonom auf den Prozess wirken, wenn die Daten in keinem virtuellen Weltmodell zur Verfügung stehen.
Um einen bestimmten Fertigungsschritt an einer numerisch kontrollierten (NC) Anlage durchzuführen, muss das auszuführende Programm übertragen werden. Auch Speicherprogrammierbare Steuerungen (SPS) benötigen ein oft händisch übermitteltes Anwenderprogramm. Diese Befehlsketten werden entweder mit einem Speichermedium auf den Steuerungs-PC kopiert oder direkt an dessen Terminal kodiert. Der zeitliche Aufwand und das notwendige Personal verlangsamen die Fertigung des Endprodukts und führen zu einer suboptimalen Fertigungsstrecke. Für das Retrofitting der Anlage muss die entfernte numerische Kontrolle ermöglicht werden. Weiterhin sind Produktionsmaschinen mit zusätzlichen automatisierten Komponenten wie Schließmechanismen für Schutztüren, Kühl-, Entlüftungs- oder Einspannsystemen ausgestattet. Auch die Steuerung dieser muss ortsunabhängig sein, damit ein CPPS ganzheitlich in den Produktionsprozess eingreifen kann.
Die steigende Automatisierung zur Optimierung der Produktionsabläufe wird in einem CPPS durch Rückkopplung erreicht. Mit den Einhalten der Anforderungen zu Überwachung und Steuerung hat das System die Möglichkeit automatisch auf veränderte Bedingungen zu reagieren.
Nach Ferrolho et al. entstehen auch mit Netzwerkanbindung und Programmierschnittstellen noch zu überwindende Probleme [8]. CNC-Maschinen basieren auf einer geschlossenen Architektur numerischer Kontrolle und sind nicht für die Integration mit anderen ausgelegt. Die Kontrolleinheit der Anlage lässt die Steuerung von einem entfernten PC nicht zu. Programmierumgebungen sind nicht ausreichend leistungsfähig um komplexe Aufgaben, wie die kollaborative Operation innerhalb einer flexiblen Fertigungszelle, zu entwickeln. Unterschiedliche Hersteller verwenden eigene Programmiersprachen und Entwicklungstools, wodurch Integration und gemeinschaftliche Produktion erschwert werden. Die sich damit ergebende Heterogenität der Anlagen einer Produktionsstrecke ist ein bereits betrachtetes Problem cyber-physikalischer Systeme (vgl. [2]). Im Falle proprietärer Schnittstellen und geschlossener Architekturen muss ein Adapter die Standardisierung von Protokollen und Informationen durchsetzen [20]. Für SPS gelten in diesem Zusammenhang die gleichen Anforderungen.
CPPS müssen in geringstmöglicher Zeit Betriebs- und Prozessdaten der Maschine analysieren, bewerten und in den Produktionsprozess eingreifen können. Die Synchronisation des virtuellen Modells der Realität wird jedoch durch stetig wachsende Datenvolumina aufgrund steigender Geräteanzahl erschwert. Damit verlangsamt sich die Verarbeitung der Daten mit der geografischen Entfernung zwischen Gerät und System (vgl. [30]). Bei der Integration von Altmaschinen muss demnach die Datenanalyse, -persistenz und Historie, sowie die Reaktion auf dadurch erkannte Veränderungen möglichst nahe an der Anlage geschehen. Läuft eine Rückkopplungsschleife direkt an der Maschine, muss außerdem nur ein Teil der anfallenden Daten veräußert und die Kontrolle nur teilweise an hierarchisch übergeordnete Systeme abgegeben werden [30]. Durch den verminderten Austausch zwischen den Systemen werden die Sicherheit der Daten verbessert und Kommunikationsfehler minimiert (vgl. [4]).
Auch wenn die Zeit für die Kommunikation von Steuerbefehlen und Sensordaten durch die Nähe zur Maschine minimiert wird, ist Echtzeit kein Kriterium. Es wird davon ausgegangen, dass die Interpretation und Ausführung der Maschinenbefehle, sowie die Aggregation der Daten, direkt an der Maschine geschieht. Um in adäquater Zeit reagieren zu können, unterliegen die für CPPS erforderlichen Kontrollschleifen damit ebenfalls dem Lokalitätskriterium [30].
Nach der Spezifikation der Zielvorgaben werden in diesem Kapitel der aktuelle Stand der Technik, sowie bereits bestehende Forschungsarbeiten zum Thema erläutert und mit den aufgestellten Kriterien für eine Lösung abgeglichen.
Monolithische Architekturen sind ungeeignet für cyber-physische Systeme (CPS). Durch die Aufteilung eines skalierenden ganzheitlichen Systems in Subsysteme entsteht ein System of Systems (SoS). Abbildung 4 verbildlicht das Konzept der Systemkapselung und Verbindung einzelner Produktionskomponenten in einer Architektur für CPPS.
Figure 4: CPS-Architektur nach Wang et al. [33]
Diese von Wang et al. vorgestellte heterogene Struktur für Steuerungsnetzwerke besteht aus verschiedenen, miteinander verbundenen CPS-Einheiten welche sich wiederum aus Kontrolleinheiten für Subsysteme, Sensoren, Kameras und Aktuatoren zusammensetzen. Einige der Komponenten kommunizieren nicht direkt mit Sensoren oder Aktuatoren, sondern stellen die Rechenleistung für die Ausführung der Anfragen anderer Systeme. Dem gegenüber stehen unmittelbar mit dem Netzwerk verbundene Sensoren und Aktuatoren. Der zentrale Aspekt dieser Architektur ist die heterogene Netzwerkeinheit (HE). Durch sie werden zeitliche und den Ausfall betreffende Probleme der Komponenten abstrahiert.
Damit reduziert sich das Problem der Komplexität des Designs von CPS auf den Entwurf der HE, deren Verhalten und Latenz bezüglich notwendiger Kommunikationskriterien garantiert werden muss.
Im Falle der Störung oder des Ausfalls einer HE und des damit verbundenen Bearbeitungsschritts der Fertigungsstrecke, kommt die Produktion nicht vollständig zum Stillstand. Werkstücke oder Produkte können über alternative, autark agierenden Strecken umgeleitet werden [33].
Mit Fokus auf Garantien zu zeitlichem Verhalten und Zuverlässigkeit der Komponenten eines CPS, beschreiben Wang et al. eine generische Netzwerkarchitektur für moderne Produktionssysteme. Jede zu steuernde Phase (Stage in Abbildung 4) des Fertigungsprozesses ist mit einem eingebetteten Kontrollsystem versehen und kann damit autonom agieren. Sensoren als Teil einer möglichen Rückkopplungsschleife sind vorgesehen, nicht aber Schwerpunkt des vorgestellten Konzepts. Für Anwendungen der Industrie 4.0 muss die HE zur virtuellen Repräsentation abstrahiert werden.
Die Anforderung zur ortsunabhängigen Steuerung (REQ1) kann mit diese Netzwerkarchitektur durch eine Erweiterung erfüllt werden. Arbeitsteilig können die Computing Units und Stages (vgl. Abbildung 4) die Interpretation und Ausführung von NC-Programmen und automatisierten Komponenten übernehmen. Die ortsunabhängige Überwachung der Maschine (REQ2), deren virtuelle Repräsentation als Stage fungiert, ist durch die Einbindung Sensoren vorbereitet, nicht aber erfüllt. Um diesen Anforderungen vollends zu entsprechen muss ein lösungsorientiertes Konzept noch entwickelt werden. Es werden keinerlei Aussagen zu standardisierten Kommunikationsprotokollen oder Informationsmodellen getroffen, weshalb REQ3 nicht erfüllt wird. Da auf die Persistenz von Betriebs- und Prozessdaten der Stages nicht eingegangen wird, ein eingebettetes Kontrollsystem aber Bestandteil der jeweiligen Phase ist, wird der Anforderung der Lokalität nicht vollständig entsprochen (REQ4). Zusammenfassend kann das Konzept von Stages und Computing Units für die Lösung des Retrofitting-Problems übernommen werden.
Auf einer Netzwerkarchitektur wie in Abschnitt 4.1, können konkrete Mechanismen für die Überwachung und Kontrolle von Anlagen aufgebaut werden. Nach den Anforderungen REQ1 und REQ2 (vgl. Abschnitte 3.1, 3.2) muss die Interaktion mit CPPS-Subsystemen und Menschen fernab vom Terminal gewährleistet werden. Wang et al. entwickelte 2008 eine offenen Architektur für die Echtzeitüberwachung und -kontrolle von im Netzwerk befindlichen CNC-Maschinen über eine grafische Schnittstelle mit 3D Repräsentation [4].
Ein Web-basierter Thin-Client des Wise-ShopFloor ermöglicht die Kontrolle und Überwachung der Maschinen über ein dreidimensionales Modell der Fertigungsstrecke. Das darunterliegende Framework basiert auf einer Client/Server-Architekturstil und verwendet seitens des Servers das MVC-Entwurfsmuster. Maschinen werden über das Fabriknetzwerk mit dem Server verbunden und sind somit vom Internet getrennt. Bei der Verwendung mehrerer Clients wird für das Routing ein Publish/Subscribe Mechanismus über HTTP-Streaming eingesetzt. Mit Hilfe dessen wird das Verhalten des auf Java 3D basierenden Visualisierungsmodells durch Sensorik an den Machinen beeinflusst. In der von Wang et al. durchgeführten Case Study wurde unter Verwendung einer CNC-Fräsmaschine die Tauglichkeit des Konzepts verifiziert. Die Schnittstelle zwischen Server und Maschine wurde durch einen Open Architecture Controller6 bereitgestellt. Für die Kontrolle der Fräse kann zwischen einem manuellen und einem automatischen Modus gewählt werden, wobei letzterer die direkte Übertragung von G-Code ermöglicht.
Das Internet ist ein zentraler Aspekt verteilter Produktion. Jedoch sind damit Sicherheitslücken fatal für interne Daten und vertrauliche Informationen der Organisation. Die gezielte Verbreitung dieser stellt ein erhöhtes wirtschaftliches Risiko dar und muss in besonderem Maße geschützt werden. Weiterhin sind Systemfehler auf Maschinenebene im Bezug auf Personen- und Materialschäden untragbar. Daher muss die reibungslose Kommunikation von Steuerungsbefehlen zu jeder Zeit gewährleistet sein.
Standards für die Kommunikation von Sensor- und Steuerungsinformationen sind notwendig um Effizienz und Integration der Systeme zu vereinfachen. So müssen globale Schnittstellen definiert und durch die Komponenten des Systems implementiert werden. Durch die Verwendung eines zuverlässigen NC-Befehlsinterpreters ist die verteilte Echtzeitsteuerung von CNC-Maschinen nach Wang et al. praktisch möglich. Jedoch setzt dieses System eine bestehende Anbindung an die Steuerungsebene voraus.
Die direkte Verbindung des Clients zu einer Maschine ist mit der verwendeten Technologie nicht möglich. Sowohl die Java Sicherheitsinfrastuktur, als auch die Überwindung von Firewalls stellen zukünftig zu lösende Probleme dar. Für künftige Maschinen ist daher das Einbetten eines dedizierten Web-Services in die Kontrolleinheit notwendig.
Ein wichtiger Aspekt des Konzepts von Wang et al. ist die technische Umsetzung auf der Java-Plattform. Mit dieser werden Sicherheitsinfrastrukturmerkmale wie byte-code-Verifikation und Rechtemanagement direkt unterstützt. Die Indirektion des Kontrollflusses über den Server der Architektur zu den Maschinen verhilft zur Einhaltung.
Durch Verteilung von Steuerung und Überwachung der Maschine auf im Netzwerk befindliche Clients, sowie die browserbasierte Nutzungsschnittstelle, werden die Anforderungen REQ1 und REQ2 (vgl. Abschnitte 3.1, 3.2) vollständig erfüllt. Ein Standard wird mit der Kommunikation via HTTP verwendet, während Informationsprotokoll und -modell nicht näher erläutert wird. Damit ist REQ3 nur ansatzweise erfüllt. Auch mit der Konzeption einer Netzwerkarchitektur für CPS (vlg. Abschnitt 4.1) wurde die Notwendigkeit des Einbettens der Steuerung erkannt. Da aber Persistenz von Prozess- und Betriebsdaten von einem dedizierten Datenserver übernommen wird, ist das Lokalitätskriterium (REQ4) nur teilweise erfüllt. Grundsätzlich wurden Sicherheitsaspekte im Konzept beachtet und in den vertikalen Prototypen integriert. Die Verwendung von HTTP für die Kommunikation über Firewalls hinaus ermöglicht skalierenden, hierarchischen Zugriff.
Die Gegenüberstellung von Anforderungen und bestehenden Forschungsarbeiten ist in Tabelle 1 zusammengefasst. Wobei ● die Erfüllung, ◐ die eingeschränkte oder teilweise Erfüllung und ○ die Nichterfüllung symbolisiert.
| Überwachung | Steuerung | Standards | Lokalität | |
|---|---|---|---|---|
[33] |
◐ |
◐ |
○ |
◐ |
[4] |
● |
● |
◐ |
◐ |
Problem: Datenerfassung (=> Prozessüberwachung) bei Altmaschinen nicht vorhanden
Lösung: unabhängige minimalinvasive Sensorik
Purpose. Ziel von Deshpande et al. war eine nicht-invasive Methode der Echtzeitüberwachung von Energieverbrauch und weiteren Parametern bei Legacy-Maschinen.
Design/Methodology/Approach. Durch das Abgreifen des Stromverbrauchs über eine Universal Power Cell (UPC), dem Sensor an der Maschine, können Informationen via TCP und UDP an eine externe Komponente übergeben und ausgewertet werden. Die in Kilowatt eingehenden Verbrauchsdaten wurden durch an Bedingungen gekoppelte Schwellwerte in Status (an, aus, Leerlauf), Energieverbrauch, Werkzeugwechsel und Werkstückdurchsatz unterschieden. Für die Case Study und einen anschließenden Vergleich hatten Deshpande et al. auch moderne Maschinen mit der UPC ausgestattet. Verglichen wurde die zeitabhängige Auslastung von drei unterschiedlichen Modellen.
Findings. Mit einer Genauigkeit von 95% für den Status und 99% für Werkzeugwechsel und Durchsatz wurde das Konzept erfolgreich getestet.
Research Limitations/Implications. Das Konzept nutzt ausschließlich den Eingangsstrom der Maschine, wodurch Genauigkeit und Umfang der Daten begrenzt werden.
Practical Implications.
Für den Einsatz in einer realen Produktionsumgebung fehlen UI und API. Anforderungen an die Energieversorgung, sowie der Verbrauch von Teilsystemen der Produktionskette werden messbar. Die periodische Planung der Wartung kann aufgrund tatsächlicher Nutzung und Auslastung geschehen. Außerdem werden Prinzipien wie VSM echtzeitfähig und ermöglichen eine höhere Produktivität.
Originality/Value. Die minimal-invasive Methode ist unabhängig von Hard- Software und erlaubt die autonome Aggregation von Informationen unzugänglicher Altmaschinen.
Problem: ein Sensor => zu wenig Infos
Lösung: verschiedene Sensoren (auch für Fusion) einsetzen
Problem: ausschließliche Betrachtung von TCM (Wartung) => Aber was wird wie bearbeitet?
Lösung: Werkstückidentifikation/-erkennung für Verknüpfung operativer Schritte
Ohne Carrier?
Data-Collection/Reasoning Stuff [35]
Anfallende Daten zu * Prozess * Technologie (CAD/CAM) * Werkzeug * Werkstück * Peripherie (loading door)
Kommunikation der Informationen via OPC UA, MTConnect, MQTT ansprechen
Problem: Wissen über operative Schritte und Werkstück verfügbar - Umsetzung der Schritte?
Lösung: Kontrolle der Maschine
Problem: Kontrolle der Maschine durch SPS mit CNC auf Terminal-PC inflexibel und teuer
Lösung: Portierbarkeit des CNC-Kernels auf andere Systeme
Problem: Betrachtungen des Retrofitting bzgl. Kontrolle und Überwachung einzelner Maschine, Integration?
Lösung: flexibel konfigurierbarer Verbund miteinander kommunizierender Maschinen => FFZ
Vergleich der Architekturen von Fertigungszellen aus [17]
Problem: Socket-basierte, proprietäre Maschinenkommunikation (Adapter) Lösung: OPC UA Server für Komponenten einer FFZ
Problem: OPC UA ist nicht alleiniger Standard für Informationsmodelle
Lösung: Informationsmodelle modellgetrieben entwickeln
Figure 5: Transformationsprozess PIM zu PSM aus [43]
Die Integration bestehender Hardware in die intelligente Steuerung einer Fabrik ist Thema des RetroNet-Projekts. Das Fraunhofer IPK entwickelt mit Industriepartnern physische und logische Adapter für die Anbindung von bestehenden Anlagen an eine Steuerungsplattform. Maschinen-, Anlagen und Produktionsdaten werden zu diesem Zweck zentral erfasst und gespeichert. Weiterhin soll eine Middleware im Client-Server-Architekturstil Dienste und zugrunde liegende Teilsysteme miteinander verbinden und eine vermittelnde Rolle im Gesamtsystem einnehmen [5].
Forschung im Bereich Cloud-basierter Industriesteuerung wird in Zusammenarbeit von Fraunhofer, der TU Berlin und Industriepartnern betrieben. Im Projekt pICASSO werden die Auslagerung von Steuerungsdiensten in die Cloud und Möglichkeiten einer Verteilung und Modularisierung herkömmlicher Kontrollsysteme auf CPS-Komponenten untersucht [44].
Im Projekt OPC4Factory der TU Wien, wurden generische OPC UA Informationsmodelle entwickelt. Diese verbessern die Konnektivität von NC-Maschinen, Industrierobotern und anderen Komponenten innerhalb einer flexibel automatisierten Fertigungszelle. Die Orchestrierung der Fertigungsoperationen, sowie die Konfiguration der Komponenten soll durch die Lösung der Schnittstellenproblematik vereinfacht werden9.
[32, 46, 47]
Durch steigende Rechenleistung sind ARM-Prozessoren auf Einplatinencomputern in der Lage Mehrachsmaschinen zu kontrollieren [13].
Kontrolle der Arbeitssequenz? (PROtEUS, BPMN/Activiti)
Nach Rücksprache
zentralerfassen durch RAMI4.0 Verwaltungsschale
zentralauswerten mit Cloud-Analytics (Big Data)
OPC4Factory:
OPC UA Server und ihre Informationsmodelle repräsentieren alle für die Automatisierungs-aufgaben erforderlichen Komponenten der angeschlossenen Maschinen und Roboter (Ladetüren, Spannmittel, Werkzeuge, NC-Programme etc.) mit ihren Attributen, Ereignissen und Methoden. Die Kommunikation auf dieser Ebene erfordert keine Echtzeitfähigkeit, da Steuerungsaufgaben mit Echtzeitanforderungen ausschließlich innerhalb der Maschinen- bzw. Robotersteuerung abgewickelt werden.
[17] Komponentengranularität bis zur Achse (intelligente Maschinenteile)
These/Behauptung? * Steigerung des Automatisierungsgrads durch Feedback Loop * physische Anwesenheit des Werkers technisch überwinden (Remote-Control/-Programming) - Echtzeitanalyse
durch Werker auch entfernt mgl. * Laufzeitmodell für online-Monitoring
Umsetzung? * Proof of concept * Case-Study mgl.? * HIL-Simulation?
Blocking Factors/mögliche Kritik? * Leistung von embedded computing devices => siehe [13] * Energieverbrauch
[1] J. Gausemeier, R. Dumitrescu, J. Jasperneite, A. Kühn, und H. Trsek, „Auf dem Weg zu Industrie 4.0: Lösungen aus dem Spitzencluster it’s OWL“, it‘s OWL Clustermanagement GmbH, Paderborn, 2014 [Online]. Verfügbar unter: http://www.its-owl.de/fileadmin/PDF/Industrie_4.0/Auf_dem_Weg_zu_Industrie_4.0_-_Loesungen_aus_dem_Spitzencluster_its_OWL_RGB.pdf
[2] D. Siepmann und N. Graef, „Industrie 4.0 – Grundlagen und Gesamtzusammenhang“, in Einführung und Umsetzung von Industrie 4.0, Berlin, Heidelberg: Springer Berlin Heidelberg, 2016, S. 17–82.
[3] J. Milberg, „Trends in der fabrik“, Institut für Produktion und Logistik, 2014 [Online]. Verfügbar unter: http://www.ifpconsulting.de/media/pdf/ifp_ku_trends_2014sm_abstract.pdf
[4] L. Wang, P. Orban, A. Cunningham, und S. Lang, „Remote real-time CNC machining for web-based manufacturing“, Robotics and Computer-Integrated Manufacturing, Bd. 20, Nr. 6, S. 563–571, 2004.
[5] Fraunhofer IPK, „RetroNet - Praxisnahe Brücke in die Industrie 4.0“, FUTUR, S. 8, 2016 [Online]. Verfügbar unter: https://issuu.com/claudiaengel/docs/futur_1_2016
[6] a. Gunasekaran, H. B. Marri, und B. Lee, „Design and Implementation of Computer Integrated Manufacturing in Small and Medium-Sized Enterprises: A Case Study“, International Journal of Advanced Manufacturing Technology, Bd. 16, Nr. 1, S. 46–54, 2000.
[7] A. Deshpande und R. Pieper, „Legacy Machine Monitoring Using Power Signal Analysis“, in ASME 2011 International Manufacturing Science and Engineering Conference, Volume 2, 2011, S. 207–214.
[8] A. Ferrolho und M. Crisostomo, „Intelligent Control and Integration Software for Flexible Manufacturing Cells“, IEEE Transactions on Industrial Informatics, Bd. 3, Nr. 1, S. 3–11, Feb. 2007.
[9] S. Hoppe, „Standardisierte horizontale und vertikale Kommunikation: Status und Ausblick“, in Industrie 4.0 in Produktion, Automatisierung und Logistik, Wiesbaden: Springer Fachmedien Wiesbaden, 2014, S. 325–341.
[10] G. Lay und E. Schirrmeister, „Sackgasse Hochautomatisierung? Praxis des Abbaus von Overengineering in der Produktion“, Fraunhofer-Institut für System- und Innovationsforschung; Fraunhofer ISI, Karlsruhe, 2001 [Online]. Verfügbar unter: http://hdl.handle.net/10419/29534
[11] M. P. Groover, Automation, production systems, and computer-integrated manufacturing. Prentice Hall, 2008, S. 815.
[12] S. Windmann, F. Jungbluth, und O. Niggemann, „Ansätze zur Erhöhung der Flexibilität und Vernetzbarkeit industrieller Steuerungen“, in Branchentreff der Mess- und Automatisierungstechnik (Automation), 2015.
[13] S. N. Grigoriev und G. M. Martinov, „An ARM-based Multi-channel CNC Solution for Multi-tasking Turning and Milling Machines“, Procedia CIRP, Bd. 46, S. 525–528, 2016.
[14] G. L. Geerts, „A design science research methodology and its application to accounting information systems research“, International Journal of Accounting Information Systems, Bd. 12, Nr. 2, S. 142–151, Juni 2011.
[15] M. Hardwick und D. Loffredo, „STEP-NC : Smart Data for Smart Machining“, in Proceedings of the Intl. Conf. on Smart Machining Systems, NIST, 2007.
[16] X. Xu und S. Newman, „Making CNC machine tools more open, interoperable and intelligent - a review of the technologies“, Computers in Industry, Bd. 57, Nr. 2, S. 141–152, 2006.
[17] F. Pauker, T. Weiler, I. Ayatollahi, und B. Kittl, „Information Architecture for Reconfigurable production systems“, DAAAM International Scientific Book 2013, Nr. January, S. 873–886, 2013.
[18] P. Linke, „Grundlagen zur Automatisierung“, in Grundlagen Automatisierung, Wiesbaden: Springer Fachmedien Wiesbaden, 2015, S. 1–28.
[19] X. Xu, L. Lihui Wang, und Y. Yiming Rong, „STEP-NC and function blocks for interoperable manufacturing“, IEEE Transactions on Automation Science and Engineering, Bd. 3, Nr. 3, S. 297–308, Juli 2006.
[20] I. Ayatollahi, B. Kittl, F. Pauker, und M. Hackhofer, „Prototype OPC UA Server for Remote Control of Machine Tools“, in International Conference on Innovative Technologies, 2013, Bd. 1009, S. 73–76.
[21] H. Kargermann, W. Wahlster, und J. Helbig, „Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0“, April, 2013 [Online]. Verfügbar unter: https://www.bmbf.de/files/Umsetzungsempfehlungen_Industrie4_0.pdf
[22] OPC Foundation, „OPC Unified Architecture - Wegbereiter der 4. industriellen (R)Evolution“, 2014 [Online]. Verfügbar unter: https://opcfoundation.org/wp-content/uploads/2014/03/OPC_UA_I_4.0_Wegbereiter_DE_v2.pdf
[23] T. Y. Lee, „Information modeling: From design to implementation“, in Proceedings of the second world manufacturing congress, 1999, S. 315–321.
[24] S.-Y. Lee, „In-process tool condition monitoring systems in CNC turning operations“, Dissertation, Iowa State University, 2006.
[25] E. A. Lee, „Cyber Physical Systems: Design Challenges“, 2008 11th IEEE International Symposium on Object and Component-Oriented Real-Time Distributed Computing (ISORC), S. 363–369, 2008.
[26] S. Bergweiler, „Intelligent Manufacturing based on Self-Monitoring Cyber-Physical Systems“, The Ninth International Conference on Mobile Ubiquitous Computing, Systems, Services and Technologies. International Conference on Mobile Ubiquitous Computing, Systems, Services and Technologies (UBICOMM-15), 9th, located at located at NexTech 2015, July, Nr. c, S. 108–113, 2015.
[27] Verein Deutscher Ingenieure e.V., „Cyber-Physical Systems: Chancen und Nutzen aus Sicht der Automation“, VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik, 2013 [Online]. Verfügbar unter: https://www.vdi.de/technik/fachthemen/mess-und-automatisierungstechnik/fachbereiche/thesen-und-handlungsfelder/
[28] J. Lee, B. Bagheri, und H. A. Kao, „A Cyber-Physical Systems architecture for Industry 4.0-based manufacturing systems“, Manufacturing Letters, Bd. 3, Nr. September 2016, S. 18–23, 2015.
[29] T. Borangiu, S. Raileanu, D. Trentesaux, T. Berger, und I. Iacob, „Distributed manufacturing control with extended CNP interaction of intelligent products“, Journal of Intelligent Manufacturing, Bd. 25, Nr. 5, S. 1065–1075, 2014.
[30] F. Bonomi, R. Milito, J. Zhu, und S. Addepalli, „Fog Computing and Its Role in the Internet of Things“, in Proceedings of the first edition of the MCC workshop on Mobile cloud computing, 2012, S. 13–16 [Online]. Verfügbar unter: http://doi.acm.org/10.1145/2342509.2342513$\backslash$npapers2://publication/doi/10.1145/2342509.2342513
[31] M. Aazam und E.-N. Huh, „Fog Computing: The Cloud-IoT/IoE Middleware Paradigm“, IEEE Potentials, Bd. 35, Nr. 3, S. 40–44, Mai 2016.
[32] J. Schlechtendahl, F. Kretschmer, Z. Sang, A. Lechler, und X. Xu, „Extended study of network capability for cloud based control systems“, in Robotics and Computer-Integrated Manufacturing, 2015.
[33] Y. Wang, M. C. Vuran, und S. Goddard, „Cyber-physical systems in industrial process control“, ACM SIGBED Review, Bd. 5, Nr. 1, S. 1–2, 2008.
[34] A. Ferrolho, M. Crisostomo, und M. Lima, „Intelligent control software for industrial CNC machines“, in 2005 IEEE International Conference on Intelligent Engineering Systems, 2005. INES ’05., 2005, S. 267–272.
[35] J. Downey, D. O’Sullivan, M. Nejmen, S. Bombinski, P. O’Leary, R. Raghavendra, und K. Jemielniak, „Real Time Monitoring of the CNC Process in a Production Environment- the Data Collection & Analysis Phase“, Procedia CIRP, Bd. 41, S. 920–926, 2016 [Online]. Verfügbar unter: http://www.sciencedirect.com/science/article/pii/S2212827115010872
[36] R. Teti, K. Jemielniak, G. O’Donnell, und D. Dornfeld, „Advanced monitoring of machining operations“, CIRP Annals - Manufacturing Technology, Bd. 59, Nr. 2, S. 717–739, 2010.
[37] H. Meyer, „Software Architecture of Manufacturing Execution Systems“, Systemics, Cybernetics and Informatics, Bd. 8, Nr. 2, S. 62–66, 2010.
[38] S. M. Fallah, S. Wolny, und M. Wimmer, „Towards model-integrated service-oriented manufacturing execution system“, in 2016 1st International Workshop on Cyber-Physical Production Systems (CPPS), 2016, S. 1–5.
[39] P. Leitão, „Agent-based distributed manufacturing control: A state-of-the-art survey“, Engineering Applications of Artificial Intelligence, Bd. 22, Nr. 7, S. 979–991, 2009.
[40] S. M. Fallah, „Multi Agent based Control Architectures“, 26th DAAAM International Symposium on intelligent Manufacturing and Automation, S. 1166–1170, 2016.
[41] L. Monostori, J. Váncza, und S. Kumara, „Agent-Based Systems for Manufacturing“, CIRP Annals - Manufacturing Technology, Bd. 55, Nr. 2, S. 697–720, 2006.
[42] P. Adolphs und U. Epple, „Statusreport: Referenzarchitekturmodell Industrie 4.0 (RAMI4.0)“, April, 2015.
[43] F. Pauker, T. Frühwirth, und B. Kittl, „A systematic approach to OPC UA information model design“, in 49th CIRP Conference on Manufacturing Systems, 2016.
[44] Fraunhofer IPK, „Industrie 4.0 - Cloudbasierte Steuerungen“. 2016 [Online]. Verfügbar unter: https://www.ipk.fraunhofer.de/fileadmin/user_upload/IPK/publikationen/themenblaetter/aut_pICASSO_web.pdf
[45] F. Pauker, „OPC UA for machine tending industrial robots - Prototypic development of an OPC UA server for ABB industrial robots“, Nr. October, 2014.
[46] J. Schlechtendahl, F. Kretschmer, A. Lechler, und A. Verl, „Communication Mechanisms for Cloud based Machine Controls“, in Procedia CIRP, 2014, Bd. 17, S. 830–834.
[47] A. Vick, C. Horn, M. Rudorfer, und J. Kruger, „Control of robots and machine tools with an extended factory cloud“, in 2015 IEEE World Conference on Factory Communication Systems (WFCS), 2015, S. 1–4.
[48] S. Suh, B. Lee, D. Chung, und S. Cheon, „Architecture and implementation of a shop-floor programming system for STEP-compliant CNC“, Computer-Aided Design, Bd. 35, Nr. 12, S. 1069–1083, 2003.
[49] X. Xu, „Realization of STEP-NC enabled machining“, Robotics and Computer-Integrated Manufacturing, Bd. 22, Nr. 2, S. 144–153, 2006.
Die ursprüngliche Quelle M. Rothhöft, Marktstudie: Industrielle Kommunikation,
VDMA, 2013 konnte nicht eingesehen werden.↩
opcfoundation.org/about/what-is-opc vom 23.09.2016↩
Abbildung 2 und folgender Absatz entstammen sinngemäß dem Vortrag Life with Cyber-Physical Systems von Uwe Aßmann, 29. Juni 2016, Technische Universität Dresden↩
Steuerungskomponente, die Modifikationen über das API hinaus zulässt ???↩
[…] die Zeit, die ein Teilnehmer (slave) warten muß, bis er wieder
↩dran
ist.
www.nasa.gov/directorates/heo/scan/engineering/technology/txt_accordion1.html↩
www.ift.at/forschung/foschungsprojekte/opc4factory see [17, 20, 45]↩